Chuyên mục
  Thông tin thương hiệu
  Kiến thức thương hiệu
  Tình huống thương hiệu
  Download chuyên đề
  Giới thiệu Agency, Freelance
  Thiết kế & Thương hiệu
  Quảng cáo & Thương hiệu
  Thương hiệu trong phim
  Thương hiệu hàng đầu
  Sách thương hiệu
  Thuật ngữ thương hiệu
  Nhượng quyền thương hiệu
  Đo lường thương hiệu
  Tìm kiếm
 
  Trang chủ  >  Tình huống thương hiệu >
Chance Discovery - Một bản phân tích nét nổi bật của thị trường Nhật Bản
Cập nhật 21-2-2006 18:51

Tình cờ tìm ra bài báo này trong khi đang tìm kiếm tài liệu trên mạng, tôi chợt bắt gặp một Website dành cho việc nghiên cứu phân tích thị trường. Trong Website này, họ cho rằng Chance Discovery chính là điểm trọng yếu để đạt hiệu quả trong việc nghiên cứu phân tích thị trường.



Huh? Chance Discovery?

 

Tôi không chắc lắm về ý nghĩa của cụm từ trên, bởi vậy mà tôi tìm nghĩa của chúng trên trang tìm kiếm google. Và tôi bị choáng ngợp bởi hàng loạt các Website Nhật Bản không có tiếng tăm bàn luận về phương pháp tiếp cận với việc phân tích thị trường, được gọi là Chance Discovery

 

Mặc dù không nổi tiếng ở Bắc Mỹ và Châu Âu nhưng Chance Discovery lại được những nhà phân tích thị trường phương Tây rất quan tâm tới. Nó cũng góp phần giải quyết được ý kiến trái ngược lâu đời về tiêu chuẩn phân tích định lượng thị trường: Làm thế nào để tìm thấy các cơ hội mà bạn chưa nhận thấy trong dữ liệu của bạn.

 

Nói một cách khác, Chance Discovery đã đưa việc phân tích cơ sở thị trường của chúng ta từ một tiêu chuẩn hay một hình thức kiểu mẫu sang một cách tiếp cận thông thường cho ý tưởng tìm kiếm trong dữ liệu của bạn.

 

Chance Discovery là gì?

 

Chance Discovery cố gắng tạo ra cho những người đang thực hành những cơ hội và những mạo hiểm đang vây quanh chúng ta hàng ngày trong công việc.

 

Hoạt động Chance Discovery được Yukio Ohsawa của trường đại học Tsukuba khởi xướng từ cuối những năm 1990. Chán nản với những hạn chế của việc phân tích định lượng tiêu chuẩn, dự đoán những sự kiện không thấy rõ hoặc tần số xuất hiện thấp, Ohsawa bắt đầu phát triển một phương pháp phân tích mới để tìm ra ý tưởng quyết định.

 

Ohsawa miêu tả quá trình bên ngoài của Chance Discovery như là một đường xoắn ốc kép với con người và máy vi tính làm việc trong một cỗ xe ngựa như hai tay vịn của cầu thang. Máy vi tính được dùng để khai thác dữ liệu cho việc phân tích tiếp theo bằng mắt người, điều này sinh ra hàng loạt phân tích của máy vi tính và những hình dung của con người trong quá trình lặp đi lặp lại người - máy móc. Ý tưởng không chỉ tìm ra dữ liệu cho những kiểu mẫu quan trọng bằng thống kê mà còn để tìm ra những cơ hội quan trọng.

 

Đây chính là sự áp dụng công việc của nhà thống kê John Tukey và thông tin của chuyên viên thiết kế Edwad Tufte, người đã tranh cãi rất nhiều về sức mạnh của thuyết trình bằng thị giác của dữ liệu tổng thể. Xét cho cùng, mắt người có khả năng chứa đựng hình ảnh kiểu mẫu độc đáo, điều mà không một loại máy vi tính nào có thể làm được.

 

Bằng nhiều hình thức, Chance Discovery đang chuyển những ý tưởng khoa học thống kê truyền thống và dữ liệu khai thác sang thành tài sản của họ. Những bản phân tích tiêu chuẩn này đang cố gắng trích những kiến thức tổng quát từ dữ liệu trong khi hạn chế những xu hướng của dữ liệu vốn có. Chance Discovery đang tìm kiếm những kiểu mẫu như những thời điểm thuận lợi để có thể thấy được những hiệu quả trong tương lai, nó coi sự ồn ào như một phòng thí nghiệm của tiềm lực và những sáng tạo.

 

Quá trình này hoạt động cũng giống như việc người nuôi chó nhận ra những thay đổi có lợi trong công việc chăn nuôi trong quá trình chọn thế hệ chó tiếp theo khi muốn loại bỏ một số đặc tính không mong muốn của giống chó cùng loại.

 

Cơ hội tương lai được những “khám phá cơ hội” đưa ra thì quan trọng hơn tần số xuất hiện của chúng trong dữ liệu.

 

Những từ trên chắc chắn đưa ra một câu hỏi trong đầu của người đọc là tại sao chúng ta cần loại bỏ những biện pháp khắt khe của những phương pháp tiêu chuẩn. Câu trả lời nằm ở sự phức tạp trong đó.

 

Thực tế có xu hướng sẽ sai lệch với những quyết định thị trường từ khi tất cả những quyết định phụ thuộc vào thuyết động lực rộng khắp toàn cầu. Để tránh làm vấn đề trở nên xấu hơn chúng ta hiếm khi được phép kiểm soát những phương pháp khoa học thật sự, điều này làm cho quyết định của chúng ta giống với lời tiên tri huyền bí hơn là khoác áo khi vào phòng thí nghiệm của nhà khoa học. Đó chính là luận điểm chính trong cuốn sách gần đây nhất của Malcolm Gladwell, Blink (2005), trong cuốn sách này ông cho rằng lời phê bình nho nhỏ thường hiệu quả như những chiến dịch chuẩn bị kỹ lưỡng.

 

Lời phán đoán xu hướng tương lai chỉ ra ý kiến trái ngược bên trong quá trình quyết định thị trường. Một mặt, chúng ta cần đảm bảo chắc chắn rằng công việc đó sẽ mang lại kết quả. Tuy nhiên mặt khác, chúng ta không thể hiểu được những sự kiện chưa xảy ra.

 

Bằng việc sử dụng phương pháp thống kê truyền thống, chúng ta chỉ có thể thực sự hiểu được sự việc sau khi nó đã trở thành sự thật. Chúng ta có thể dùng các cuộc điều tra để đánh giá nhưng những công cụ thị trường này không tốt như những đánh giá thật sự của một ý tưởng.

 

Hoạt động của Chance Discovery

 

Vậy Chance Discovery hoạt động như thế nào? Thật sự thì Chance Discovery vẫn là một phương diện mới và hiện những người điều hành vẫn đang cố gắng tìm ra những gì hoạt động và những gì không hoạt động. Điều đó nói lên rằng những con số thử nghiệm của Chance Discovery đưa vào hoạt động đang tăng lên.

 

Một cuộc điều tra hoàn thiện nhất của bang trong lĩnh vực này bằng tiếng Anh có thể tìm thấy trong quyển sách Chance Discovery (2003) của Yukio Ohsawa và Peter McBurney và trong trang Web Chance Discovery Consurtium.

 

Trong những nghiên cứu gần đây của Chance Discovery, có 3 loại phân tích thị trường chính được đưa ra:

 

- Phân tích quan điểm bán hàng của ‘cỗ máy bán hàng’ - để hiểu việc bán tự nhiên một nhóm sản phẩm, điều này sẽ kiểm tra để tìm ra cơ hội để sản phẩm hoạt động như một cầu nối giữa những nhóm này.

 

- Khảo sát cộng đồng online - để tìm cơ hội bao gồm khách hàng tạm thời, những ý kiến chỉ đạo sáng suốt, nổi bật.

 

- Kiểm tra dữ liệu cách sử dụng sản phẩm - để phát hiện ra những yêu cầu tiềm tàng ví dụ như sự kết nối giữa thực phẩm tiêu thụ hàng ngày và mùa vụ.

 

Về mặt phương pháp luận Chance Discovery có mối quan hệ chặt chẽ với phương pháp tiêu chuẩn trong ngôn ngữ học và tiến trình ngôn ngữ tự nhiên (Natural Language Processing – NLP). Sự thật này dễ dàng thấy được trong việc sử dụng công cụ phần mềm KeyGraph rộng rãi cho việc phân tích Chance Discovery. KeyGraph là công cụ cơ sở được thiết kế cho việc tìm kiếm cách sử dụng từ nhưng nó lại tìm ra ứng dụng khác nhiều hơn.

Công cụ KeyGraph khám phá ra hàng loạt các tập hợp (một phương diện toán học dùng cho một nhóm các sự vật) cho việc bố trí thành viên. Và kết quả cuối cùng là một dãy nhóm các thành viên theo tự nhiên và các thành viên hoạt động như một cầu nối giữa các nhóm này. Những bố trí này có thể được hiểu như là việc sắp xếp các mục của ‘cỗ máy bán hàng’: việc bán hàng được đảm nhận bởi một khách hàng, những từ được sử dụng trong 1 câu, và các phương tiện có thể được trình bày như 1 bộ.

 

Việc này có thể kiểm tra biểu đồ chính bằng việc tìm kiếm cơ hội trong những nhóm này, thể hiện như là sự kết nối tần xuất thấp của những nhóm này. Và hy vọng là nhận ra được dữ liệu chính dù đó có thể là sự sao chép có chủ ý.

 

Ví dụ, Ohsawa theo dõi một bản phân tích từ dữ liệu của điểm bán hàng mà 2 nhóm sản phẩm được đưa ra bán ở siêu thị - một nhóm là đồ ăn, nhóm kia là vật dụng, việc này được kết nối bởi việc giới thiệu khoai tây rán hay đồ chơi của ‘xe bán hàng’. Chính kiểu mẫu này tạo ra cho bạn những kinh nghiệm với việc gắn kết các sản phẩm trong cùng một cửa hàng theo chiều dọc giữa những nhóm ‘xe bán hàng’ độc lập, mặc dù có thể tăng kích thước trung bình của ‘xe bán hàng’.

 

Và còn một ví dụ khác nữa: gần gũi với gia đình. Vào đầu mùa hè năm nay, tôi có một nghiên cứu ‘khám phá cơ hội’ dọc theo hệ thống bán hàng mà tôi đang làm khách hàng. Tôi đang làm việc với bản phân tích quyết định CHAID hình cây để khai thác quy luật bán hàng trong một bản điều tra hệ thống 100 câu hỏi. Nơi nào mà tôi kết thúc một kế hoạch là tôi bước thêm được một bước.

 

Tôi lấy 10 quy luật có tính dự báo nhất và quay lại những dữ liệu cá nhân mà tôi sử dụng để rút ra những quy luật này. Tôi thu thập tất cả dữ liệu cá nhân để hình thành một đường cosin trong không gian véctơ tỷ lệ giả thuyết hoàn hảo, những giả thuyết có mức dự báo cao nhất của mục đích bán hàng.

 

Khi làm việc này, tôi phát hiện ra có một nhân vật đặc biệt…một người phụ nữ Texas không có một điểm chung nào với hình mẫu hoàn hảo nhưng bà lại có mức mục đích mua cao nhất.

 

Trường hợp đặc biệt này có thể giải thích bởi 1 trong 2 yếu tố sau: hoặc là bà viết sai hoặc miêu tả cơ hội của một khách hàng sáng suốt, vậy bà có thể kết nối sản phẩm trong 1 loại mà người nghiên cứu sáng tạo ra không lường trước được.

 

Tôi kết thúc bản phân tích của mình bằng việc cùng khách hàng của mình liên lạc với người phụ nữ đó và hỏi bà về việc tại sao bà lại đề nghị sản phẩm. Đó là một cơ hội để mở rộng khả năng marketing sang một hướng mới - cần phải nắm lấy một thời khắc lướt qua.

 

Matthew Syrett (Thanh Mai - Công ty thương hiệu LANTABRANDsưu tầm và lược dịch từ branchannel.com )

Trang chủ
Lưu trang này
In bài này
Gởi cho bạn bài này
Phản hồi bài viết này
Quay lại
CyVee Bookmark
 Các tin khác
 
 
 
 
 
 
 
 
 
 
  
Trang chủ   |   Liên hệ   
© Copyright 2004 - LANTABRAND - Total Brand Solution™
Giấy phép ICP của Bộ Văn hóa Thông tin số 150/GP-BC.
Vui lòng ghi rõ nguồn lantabrand.com khi bạn phát hành lại thông tin từ website này